机器学习-概念学习.ppt

2003.12.18 机器学习-概念学习 作者：Mitchell 译者：曾华军等 讲者：陶晓鹏 机器学习 第2章 概念学习和一般到特殊序 提纲 概念学习 给定某一类别的若干正例和反例，从中获得该类别的一般定义。 搜索的观点 在预定义的假设空间中搜索假设，使其与训练样例有最佳的拟合。 利用假设空间的偏序结构 算法收敛到正确假设的条件 归纳学习的本质，从训练数据中泛化的理由 简介 许多机器学习涉及到从特殊训练样例中得到一般概念。 概念，可被看作一个对象或事件集合，它是从更大的集合中选取的子集，或在这个较大集合中定义的布尔函数。 概念学习问题的定义 给定一个样例集合以及每个样例是否属于某个概念的标注，怎样推断出该概念的一般定义。又称从样例中逼近布尔函数。 概念学习是指从有关某个布尔函数的输入输出训练样例中推断出该布尔函数。 概念学习任务 一个例子 目标概念，Aldo进行水上运动的日子，表示为布尔函数EnjoySport 任务目的，基于某天的各属性，预测EnjoySport的值 一个样例集，每个样例表示为属性的集合 概念学习任务（2） 概念学习任务（3） 表示假设的形式 一个简单的形式，实例的各属性约束的合取式 令每个假设为6个约束（或变量）的向量，每个约束对应一个属性可取值范围，为 ？任意本属性可接受的值 明确指定的属性值 ? 不接受任何值 假设的例子 ?, Cold, High, ?,